01
大規模文本結構化
如何將海量電子書內容自動依據章節、段落、句子完成精準拆解。
聯經數位
電子有聲書 智慧生成與 AI 角色 辨識系統開發
隨著 AI 語音與自然語言處理（NLP）技術成熟，聯經數位啟動「電子有聲書智慧生成平台」開發計畫。 本專案透過生成式 AI 技術，將靜態電子書轉化為具備情感與鮮明角色的有聲內容。 系統實現了文字結構化拆解、自動角色辨識與情緒標記，大幅突破傳統配音人工成本高、效率低的瓶頸，引領出版業跨入 AI 智慧製作時代。
AI 電子書解析角色與情緒辨識中英文本處理兩分鐘完成分析
專案類型
數位轉型
開發類型
AI應用
BACKGROUND
專案背景
聯經數位為提升閱讀體驗的沉浸感，致力於將靜態電子書升級為情感豐富的有聲內容。 • 開發動機： 利用 AI 語音技術，將文字內容轉化為角色鮮明、語氣自然的智慧有聲書。 • 產業趨勢： 隨著生成式 AI 發展，傳統出版需結合自動化配音流程，以應對數位內容市場的快速更迭。 • 智慧化願景： 打造一套結合文字拆解、角色辨識與自動配音的智慧流程，實現出版流程的數位轉型。
CHALLENGES
專案挑戰與深度評估
傳統有聲書製作仰賴大量人工判讀與配音，面臨以下技術與製作上的挑戰：
02
角色與情緒辨識難度
需從中/英文內容中，準確識別敘述者與角色對話，並判別對應的情緒與聲音特質
03
極致的效能要求
系統需在「兩分鐘內」完成整本小說的辨識與分析，對運算效率與 API 串接極具考驗。
04
跨國營運與管理
系統需具備多語系支援、角色配音模組化及跨地區權限管理能力，支援全球化佈局。
SOLUTIONS
策略解法與亮點
針對客戶需求，我們擬定以下策略，確保 AI 辨識的精準度與穩定性：
以「角色辨識」為核心策略
以角色為單位進行聲音設計與情感呈現，從根本提升聽眾的沉浸感與內容質感。
標準化自動生產流程
設計從原始檔上傳、文本拆解、角色辨識、情緒分析、聲音標記到語音合成的完整生產鏈。
高效能平行處理判斷
建置平行運算架構串接多組 ChatGPT API，確保大型文本的高效分析處理。系統設定角色辨識達 90%、文本拆解達 75% 以上的成功率門檻，保障輸出品質穩定可靠。
彈性的模組化設計
角色與配音模組可重用，大幅縮短後續同系列書籍的製作週期。
TECH STACK
技術實踐與框架
本專案採用 ASP.NET Core 架構，深度整合 Azure OpenAI 建立先進的自然語言處理（NLP）流程：
01
核心開發框架
以 ASP.NET Core (C#) 為主架構，確保系統的穩健性與高併發處理能力
ASP.NET Core 框架 穩定性與可靠性 高效能併發處理
02
AI 語意分析引擎
串接 Azure OpenAI (ChatGPT API)，執行角色判讀、情緒偵測（含年齡、性別、聲音特質）與語意分析。
Azure OpenAI 串接 角色與情緒偵測 語意分析處理
03
結構化處理 API
自動執行中英雙語的書籍拆解，將內容轉化為結構化資料，便於 AI 逐句標註。
雙語自動處理 內容結構化轉換 AI 逐句標註
IMPACT
專案成果與價值
製作效率倍數提升
將原本需數週人工判讀的工作縮短至分鐘級別，極大化內容產能。
產出品質標準化
透過 AI 穩定的辨識邏輯，確保有聲書中角色情緒的一致性，不再受人為疲勞或主觀因素影響。
開啟智慧出版新契機
成功的技術轉型為聯經建立起具備國際競爭力的 AI 數位資產平台，領先市場佈建有聲閱讀生態系。
